基于局部信息的圖像檢索研究.pdf

1、基于內(nèi)容的圖像檢索(CBIR)是多媒體信息檢索領(lǐng)域的一項(xiàng)新興技術(shù)。與傳統(tǒng)利用文本標(biāo)注的檢索方式相比，它具有對圖像內(nèi)容描述充分、客觀性強(qiáng)、自動高效等優(yōu)點(diǎn)，有著極為廣闊的應(yīng)用空間，受到廣泛關(guān)注并逐漸成為多媒體應(yīng)用技術(shù)領(lǐng)域的研究熱點(diǎn)。
　　 眾所周知，文本的檢索容易實(shí)現(xiàn)，因?yàn)闊o論字體，字號怎么變化，內(nèi)容始終不會改變，可以實(shí)現(xiàn)精確的查找和定位；而圖像卻不同，只要稍微進(jìn)行一下縮放，便無法再按像素查找。這時就需要尋找一種對圖像更本質(zhì)的描述，

2、即圖像特征。本文主要研究目的就是讓圖像檢索也能像采用關(guān)鍵詞的文本搜索一樣，采用局部關(guān)鍵圖像進(jìn)行檢索。
　　 圖像特征概括來說可以分為全局特征和局部特征，因?yàn)槿痔卣鲗D像細(xì)節(jié)描述不足，本文將重點(diǎn)對局部特征進(jìn)行研究。將原本用于場景匹配、目標(biāo)識別的尺度不變特征變換(Scale invariant feature transformation，SIFT)算法應(yīng)用于圖像檢索。并基于一個特征提取實(shí)例過程，分步驟介紹其原理。在相關(guān)實(shí)驗(yàn)中，S

3、IFT算子己被證實(shí)其匹配性能明顯高于同類型的局部特征。
　　 為了將SIFT特征應(yīng)用到圖像檢索中，本文拋棄了對于高維特征搜索精度較低的BBF算法，提出了使用改進(jìn)的層級kmeans樹搜索算法來建立圖像庫索引，在建樹過程中簡化了選定聚類中心點(diǎn)的過程，以降低建樹時間，在搜索過程中改進(jìn)了距離判定方式以提高搜索精度，加入了優(yōu)先隊(duì)列以提高搜索效率，且進(jìn)行了大量實(shí)驗(yàn)選定其初始化參數(shù)。相似度則采用基于閾值的匹配方法，以加權(quán)的方式計算匹配度，按從